Introduction du logiciel libre de statistiques : R et R commander

Transcription

1 Introduction du logiciel libre de statistiques : R et R commander (La version 05/09/2011) Toshiharu OKAYASU Conseiller Principal Projet de Renforcement du Programme de Prévention du VIH /JICA 1

2 Préambule Le but du présent document de fournir un point de départ pour des débutants intéressés R et surtout le package R commander. R est un système d analyse statistique et graphique crée par Ross Ihaka et Robert Gentleman. R est distribué librement sous les termes de la GNU General Public Licence ; son développent et sa distribution assurés par plusieurs statisticiens rassemblés dans le R Development Core Team. R est disponible pour WINDOWS, Macihtosh et UNIX à partir du site internet du Comprehensive R Archive Network (CRAN). Cependant R est assez compliqué pour des débutants d utilisateurs du logiciel statistiques. Pour surmonter ce problèmes, le package R commander (Rcmdr) a été développé par Pr. John FOX de l université de McMaster au Canada. Ce manuel présente des principales utilisations de R commander en utilisant des données de l enquête de l évaluation du Projet de renforcement du Programme de Prévention du VIH /JICA et Programme National du sida(pnls) du ministère de la Santé Publique à Madagascar. Si vous intéressez ce manuel et des données d exercice et des suggestions, vous adressez au bureau du Projet. Je vous souhaite un renforcement de capacité de l analyse en statistiques de PNLS et des intéressés de ce manuel. Toshiharu OKAYASU 2

3 Tables des matières Menu de statistiques R Commander (version 1.7.0)... 4 Installation de R... 5 Installation du package R commander (Rmdr) et démarrage... 8 Données dans les packages... 9 Importation des données Convertir des variables numériques en facteurs Recoder des variables Découper une variable numérique en classe Les tableaux croisés à la main Les tableaux croisés en double entrée Tables de contingences avec tableau à plusieurs entrées Fusionner des jeux de données Nom des cas Exporter le jeu de données actif Distribution de fréquence Utilisation de Fenêtre de Script Eliminer les cas contenant des valeurs manquants Graphe en camembert Graphe en Nuage de points Graphe en 3D Test de corrélation Test de normalité de Shapiro Wilk Test F de deux variances Test de Welch Test de Wilcoxon bivarié (Test non paramétrique pour comparer deux moyennes (Médians) R commander Personnalisé ANNEXE : Test statistique de base et R commander Type de données Schéma de test statistique Schéma de test statistique Distribution T Distribution Chi-carrée

4 Menu de statistiques R Commander (version 1.7.0) Statistiques Résumé -Jeu de donnée actif -distribution de fréquence -Dénombrer les observations manquantes -Tableau de statistiques -Matrice de corrélation -Test de corrélation -Test de normalité de Shapiro-Wilk Table de contingences- Tableau de double entrée -Tableau de plusieurs entrée -Remplir et analyser un tableau à double entrée Moyennes -T test uni varié -T test indépendant -T test apparie -ANOVA à un facteur -ANOVA à plusieurs facteurs Proportions Test de proportion uni-varié -Test de proportions bi varié Variances-Test F de deux variences -Test de Bartlett -Test de Levene Tests non paramétriques- Test Wilcoxon bi varié -Test Wilcoxon apparié -Test de Kruskal-wallis -Test de somme de rangs de Fridman Analyse multi varié Fiabilité d échelle Analyse en composantes principales -Analyse factorielle -Classification-Classification pour K-means -Classification hiérarchique -Résumé Classification hiérarchique -Ajouter les groupes de la classification en jeu de données Ajustement de modèle-régression linéaire -Modèle linéaire - Modèle linéaire généralisé - Modèle logit multinominal - Modèle de régression oridnaire 4

5 Installation de R Téléchargez R win.exe ( Double-cliquez sur R win.exe Sélectionnez la langue d installation. Cliquez sur OK. Cliquez sur Suivant. Cliquez sur Suivant. 5

6 Cliquez sur Suivant. Sélectionnez toutes les options et Cliquez sur Suivant. Sélectionnez sur Non et cliquez sur Suivant. 6

7 Cliquez sur Suivant. Cliquez sur Suivant et attendez la finition d installation. Note : Quand R se démarre, il peut vous demander les packages manquants. Vous allez téléchargez ou vous allez copier et coller des packages manquants dans le fichier de library. Quand l icône de R est sur votre bureau de l ordinateur, cliquez droite et sélectionnez la propriété. Ajoutez --sdi -q après Rgui.exe dans le cible N.B --sdi signifie l utilisateur simple. -q signifie l enlèvement de message de démarrage. 7

8 Installation du package R commander (Rmdr) et démarrage Double cliquez sur l icône de R sur votre bureau de l ordinateur. Si la connexion internet est disponible, vous pouvez télécharger un package de Rcommander. Packages >Installer le(s) package(s) Sélectionnez le pays plus proche, en cas de Madagascar, Afrique de Sud est recommandé. Sélectionnez Rcmdr et Cliquez sur OK. Tapez library (Rcmdr) dans R Console. 8

9 R Commander sera apparu. Quand vous mettez le curseur au coin de la fenêtre R Commander, vous changez la taille de fenêtre. Messages seront affichés avec chaque l opération. Données dans les packages Quand vous installez R et Rcmdr, certaines données de packages aussi ont été installées en même temps. Pour voir et utiliser ces données, cliquez sur ; Données > Données dans les packages > Liste des jeux des données dans les packages 9

10 Données > Données dans les packages > Lire des jeux des données dans les packages Sélectionnez le package et données. Mettez le nom de jeu de données Pour voir le contenu de données dans les packages, cliquez sur ; Aide >Aide sur le jeu de données actif (si dispo.) 10

11 Importation des données R Commander peut lire des données un ficher text(.csv), le presse-papier, SPSS(.sav), données minitab, Excel, Access, dbase. Donnez >Importation des données >depuis Excel, Acess ou dbase 11

12 Mettez le nom d un jeu de données : Par exemple< DRSP_AaG> et cliquez sur OK. Chercherez vos données dans votre ordinateur. Sélectionnez le type de ficher (Access, Excel ) et cliquez sur Ouvrir Si vos données d Access qui a plusieurs tableaux, vous devez sélectionner un tableau et cliquez sur OK. Dans la case de Messages, NOTE va expliquer nombre de lignes (nombres des échantillons) et nombres de colonnes (nombres des variables) 12

13 Si vous voulez voir le jeu des données, cliquez sur Visualiser. Quand vous cliquez le triangle en bas droite, vous allez voir d autres variables. Note : R va lire des données non entrée automatiquement comme NA ou case vide. Résumés des données du jeu des données Pour voir des données entiers, cliquez sur ; Statistiques >Résumés >Jeu de données actif R vous demande la continuité, cliquez sur OK. Dans la fenêtre de sortie, un résumé sera affiché. -Pour des données numériques/quantitatives, Min (Minimum), 1st Qu. (Premier Quantile), Median (Médian), Mean (Moyenne),3rd Qu. (Troisième Quantile), Max (Maximum) et NA s (Non Applicable) seront apparus. -Pour des données catégoriques, nombre de chaque catégorie seront affichés. 13

14 Note : Certaines données sont traitées comme numériques au lieu de données catégoriques, il faut changer le type de données comme Facteurs (données catégoriques). Par exemple, le type de l étude, nous voudrions savoir combien pour 2008 et combien pour 2011 mais pas Médian, ni Moyennne. Il faut les changer pour les données en facteurs. Convertir des variables numériques en facteurs R a deux types de variables ; variables numériques et facteurs. Note : pour faire le tableau croisé, il faut des variables en facteurs pour des données traitées. Données > Gérer les variables dans le jeu de données actif >Convertir des variables numériques en facteurs Pour la case de variables, sélectionnez sur TYPEETUDE, Cliquez sur OK 14

15 Ecrivez les noms de niveau. Et cliquez sur OK. Note : ici, nous avons écrit les nombres, mais ils vont les traiter comme facteur (catégorie) Vous vérifiez le changement avec la fonction de Résumés des données du jeu des données Exercices : vous allez changer le type de données pour des d autre données. Recoder des variables Quand nous voudrions compter le nombre par catégorie avec des données numérique, il faut recoder des variables. Par exemple, on a besoin le nombre des attributions par catégorie au lieu de Moyenne et Médian. Données > Gérer les variables dans le jeu de données actif >Recoder des variables 15

16 Sélectionnez une ou des variables. Ex.ATTRIBUTIONS Et mettez le nouveau nom. Ex.Attribution_categorie. Entrez les directives de recodage. Pour des données en facteurs, il faut ajouter. Et cliquez sur OK. Pour la vérification de recodage, vous cliquez sur Visualiser. Données recodées seront apparues à la fin de votre tableau actif. Pour la vérification de changement, cliquez sur ; Statistiques >Résumés >Jeu de données actif 16

17 Découper une variable numérique en classe Statistiques >Donnée>Décoder une variable numérique en classe Sélectionnez Variables à découper. Ex. A2 POPTOTALE. Et mettez le nom de la nouvelle variable. Ex. POP11enClasse. Fixez le nombre de classe. Ex.3. Cliquez sur OK. Si vous glissez ce buton, vous pouvez changer le nombre de classes. Mettez des noms des classes, Cliquez sur OK. Pour la vérification, cliquez sur Visualiser. 17

18 Données en classes seront apparues à la fin de tableau. Les tableaux croisés à la main Statistiques >Tables de contingence>remplir et analyser un tableau à double entrée Vous pouvez changer nombre de lignes et de colonnes en glissant les buttons. Mettez des noms de variables dans les case de 1, 2 et des chiffres dans les cases vides. Note : cette fonction est comme STATCALC d Epi info. 18

19 Les tableaux croisés en double entrée Statistiques >Tables de contingence>tableau à double entrée Sélectionnez une variable en ligne. Ex. PROFESSION. Sélectionnez une variable en colonne. Ex. POP11en classe. Cliquez sur OK. Une case de Fréquence Escompté sera moins de 5, vous couchez sur Test exact de Ficher. 19

20 Tables de contingences avec tableau à plusieurs entrées Statistiques >Tables de contingence>tableau à plusieurs entrées -Sélectionnez une variable en ligne. Ex. PROFFESSION. -Sélectionnez une variable en colonne Ex. G11Collaboration. -Sélectionnez une ou plusieurs variables de contrôles. Ex. POPenclasse. NOTE : variables de contrôle vont stratifier le tableau 2x2 par chaque variable en facteur. 20

21 Fusionner des jeux de données Tous d abord, il faut insérer le jeu de données que vous voulez ajouter. Donnez >Importation des données >depuis Excel, Acess ou dbase Mettez le nom d un jeu de données : Par exemple< DRSP_HaN> et cliquez sur OK. Si vous cliquez la case à cote de Données, deux tableaux seront apparus. Cliquez sur Cancel si la sélection est bonne. 21

22 Données > Fusionner des jeux de données -Mettez le nom du tableau de données fusionnées. -Sélectionnez le premier jeu et le second jeu -Sélectionnez la Fusion des colonnes. -Cliquez sur OK. Pour la vérification de la fusion des données, cliquez sur Visualiser. 22

23 Nom des cas Données > Jeu de données actif > Nom des cas Note : Quand vous avez fait la de saisie des données avec plusieurs tableaux (Access etc), vous devez utiliser le même code (ID) pour chaque données de tableaux différents. Cependant R va importer des ordres des données différents que vous avez fixés avec Access, car la fusion des jeux de données fait avec le nom de cas (row.names), pas le champ commun. Pour que deux ou plusieurs tableaux se fusionner correctement, il faut utiliser la fonction de <Nom de cas>. 23

24 24

25 Note pour 1 er tableau, ID sera affiché comme row.names. 25

26 Exporter le jeu de données actif R peut exporter le jeu de données actif en tant que le fiche texte (.txt) Données > Données de jeu actif > Exporter le jeu de données actif Cliquez sur OK s il y a pas de changement. Vous allez indiquer un endroit de sauvegarder des données. 26

27 Distribution de fréquence Statistiques > Résumé >Distribution de fréquence Vous peuvez compter des nombres et pourcentage de données en facteur et test d ajustement de Chi-Carrée. Sélectionnez une ou plusieurs variables. Si vous voulez faire un Test d ajustement au Chi-deux, sélectionnez une variable et cochez la case de Test d ajustement. Vous allez définir les probabilités d hypothèse. Par défaut R peut calculer des probabilités en fonction de type de données. 27

28 df=degrés Liberté de Utilisation de Fenêtre de Script Si vous connaissez certains script de R comme sum( ) qui signe le total ou la somme, vous allez directement écrire des script directement dans la Utilisation de Fenêtre de Script. sum(nom de jeu de données actif et ajouter $ et ensuite nom de variable) Ex. sum(drsp_aag$a31acsb1 PUBF) Cliquez Soumettre. Note : si vos variables contient NA, R ne peut pas calculer le la somme. 28

29 Eliminer les cas contenant des valeurs manquants Données > Jeu de données actif > Eliminer les cas contenant des valeurs manquants Décochez la case de Inclure tout si vos variables. Sélectionnez une variable et mettez le nom du nouveau tableau. Quand vous cliquez sur OK, le nouveau tableau sera apparu en tant que le jeu de données actif. Pour la vérification des données, cliquez sur Visualiser. 29

30 30

31 Graphe en camembert Graphe >Graphe en camembert Sélectionnez une variable et cliquez sur OK. Pour sauver le graphe, Ficher > Sauver sous > Png ou Jpeg etc 31

32 Graphe en Nuage de points Graphe > Nuage de points Ligne des moindres carrées Montre l étendue Courbe de lissage 32

33 Graphe en 3D Graphe >Graphe en 3D> Nuage de points en 3D Moindre carrée linéaire Note : Si vous glissez le curseur avec le clic gauche, le graphe va se tourner. 33

34 Test de corrélation Statistique >Résumé > Test de corrélation Note. Cette exercice est cvec les données de table SDSP_AaG de SDSP final.(access) En cliquant Ctrl, vous devez sélectionner deux variables. Pour le Type de corrélation, si votre variables sont comme la distribution normale, vous utilisez Coefficient de Person, si non coeffcient de Sepearman. Taux de Kendall est moins utilisé par rapport de deux méthodes. Pour Hypothèse alternative, vous sélectionnez Bilatéral. Cor signifie le coefficient de corrélations. Cor =r= est très faible corrélation. Pour une vérification de la corrélation, vous allez créer le graphe de nuage des 34

35 points. r Coef icient de corré 0,2 r 0,2 corrélation très faible 0,4 r 0,2 0,2 0,4 corrélation faible 0, 7 r 0,4 0,4 0,7 correlationmoyennement forte 1,0 r 0,7 0,7 1,0 corrélation forte Vérifiez sur la ligne des moindres carrées 35

36 Test de normalité de Shapiro Wilk Statistiques > Résumé > Test de Normalité de Sapiro Wilk Comme la value de P >0,05(P=0,8718), on ne peut pas dire que cette variable ne suit pas la distribution normale Si bien que vous utiliser le test paramétrique. On va vérifier cette distribution avec une graphe. Graphe>Histogramme 36

37 Le graphe est comme la distribution normale. 37

38 Test F de deux variances Avant que deux comparer deux moyennes, vous devez vérifier que variables cibles suivent la distribution normale (Test de normalité de Sapio Wilk )et les variances sont égales ou pas (Test F de deux variances). Nous voudrions comparer les moyens de temps en tant que le responsable VIH par profession au niveaux de DRSP. 38

39 Comme le résultat de F test de Variance, on prend une hypothèse alternative <variance n est pas égal>, il faut faire le test de Welch. Test de Welch Test de Welch est inclus dans t-test indépendant. Statistiques > Moyennes > T Test indépendant Nous avons fait le test de variance (test F de deux variance) et résultat est que variances ne sont pas égales. Vous cliquez sur NON. Attention! Par défaut, variance égales : NON. Quand vous cliquez sur OUI, R va calculer T Test indépendant : 39

40 Test de Wilcoxon bivarié (Test non paramétrique pour comparer deux moyennes (Médians) Nous voudrions comparer la moyenne de deux groupes de FS (2008 et 2011) pour la réalisation de dépistage du VIH en Cette variable ne se ressemble avec la distribution normale. 40

41 Le résultat de test de Sapiro Wilk est P<0,05 si bien que cette variable ne suit pas la distribution normale. 41

42 Note : Le test non paramétrique ne montre pas la moyenne mais le médian car les variables ne suit pas la distribution normale. 42

43 R commander Personnalisé Vous pouvez personnaliser R commander en modifiant le fichier MyProgramme.R et le fichier Rcmdr-menus. Si vous ne connaissez pas des programmations ou Rcmdr, il vaux mieux consulter cette partie à quelqu un qui connaisse R commander et/ou programmation. Si vous avez des fichiers de MyProgramme.R et Rcmdr-menus qui ont déjà personnalisé, vous les copiez et coller dans le dossier avec Répertoire : MyDocement>R>win-library>2.13>Rcmdr>etc ou Programme files>r>library>2.13>rcmdr>etc. Si vous ouvrerez Rcmdr-meus, le contenu va s apparaitre comme ci-dessous ; Si vous modifiez Rcmdr-menus, menus peuvent être changé. Si vous ouvrerez MyProgramme.R, le contenu va s apparaitre comme ci-dessous ; Si vous modifiez Myprogramme R, des programmes peuvent être changé 43

44 Avec notre atelier du 29 aout au 2 septembre 2011, nous avons ajouté les fonctions de Somme des données,(statistiques >Ajouter >Sommes des Données),Histogramme Stratifié(Graphes >Ajouter > Histogramme Stratifie), Histogramme Stratifié 2(Graphes >Ajouter > Histogramme Stratifie2), Diagramme de transition individuelle(graphes >Ajouter >Diagramme de transition individuelle), Régression de Cox(Statistiques >Ajustement de Modèles >Régression de Cox) dans R commander. 44

45 ANNEXE : Test statistique de base et R commander 45

46 Type de données 46

47 Schéma de test statistique 1 47

48 Schéma de test statistique 2 48

49 Distribution T 49

50 Distribution Chi-carrée 50